바이오 딥러닝 : 의사 · 국제 학술지 저자에게 배우는 영상 의료 인공지능 기술 구현

강의 목표

• 의료영상의 국제표준인 DICOM(Digital Imaging and Communications in Medicine)의 기본적인 구조에 대해 알아보고 의료영상을 다룰 때 명심해야 할 점들에 관해서 공부한다.

이론

• DICOM의 구조에 대한 이해와 인공지능을 연구하며 만나게 되는 의료영상 기기 (CT, MRI, X-Ray)에 대한 기초적 이해.

실습

• Pydicom, SimpleITK를 통한 DICOM handling, 각 의료기기의 특성에 대한 이해를 파이썬 코드를 통해 실습해본다.

강의 목표

• 딥러닝에 대한 기초적 이론을 공부한다.

이론

• 딥러닝의 이론적 배경을 기초부터 심화까지 공부한다. Perceptron과 MLP에 대한 기초적인 이해부터 Cybenko의 1989년 논문, CNN과 RNN이 등장한 배경 및 작동 원리 등을 살펴본다.

강의 목표

• 딥러닝에서 기념비적인 논문들을 읽고 실제로 구현해 봅니다.

이론

• VGG, Inception, ResNet, U-Net등의 논문을 읽어본다.

실습

• VGG, Inception, ResNet, U-Net등의 논문을 구현해본다. (Tensorflow, Pytorch 모두 진행)

강의 목표

• 의료 인공지능의 기술적 최신 동향을 알기 전에, 공학적 관점에서 인공지능의 기술적 최신 동향을 살펴본다.

이론

• SSL, GAN, Diffusion model, Autoencoder 등 다양한 분야의 인공지능 최신 기술을 살펴본다.

  SSL

  Swin Transformer

  GAN

  TBD

  Diffusion model

  DDPM

  AutoEncoder

  MAE (masked autoencoder)

실습

• SSL, GAN, Diffusion model, Autoencoder 등 다양한 분야의 인공지능 최신 기술을 구현해본다. (Pytorch로 진행)

  SSL

  Swin Transformer

  GAN

  TBD

  Diffusion model

  DDPM

  AutoEncoder

  MAE (masked autoencoder)

강의 목표

• 단순한 CNN, MLP와 같은 기초적 딥러닝 기술에서 더 나아가 의료 인공지능에 쓰이는 SoTA (State of The Art) 논문들을 읽어보고 그와 관련된 인공지능 논문을 읽어본다.

이론

CNN의 한계점 및 Transformer, Attention, SSL (self-supervised learning)과 같은 기술들을 살펴보고 이러한 기술들이 실제로 의료인공지능에 어떻게 적용되는지 실습을 통해 살펴본다.

실습

• Transformer, SSL과 관련된 몇 가지의 논문을 구현해본다. (Tensorflow, Pytorch 모두 진행)

강의 목표

• 의료 인공지능을 연구한 논문들을 실제로 구현해본다.

이론

• 의료인공지능에서 SoTA를 찍은 논문들을 읽어본다.

실습

• 의료인공지능에서 SoTA를 찍은 논문들을 실제로 구현해본다. (Pytorch로 구현)

강의 목표

• 의료 인공지능을 실제로 의료 현장에 적용하기 위해 필요한 고민들을 해 보고, 이를 통해 실제 문제를 풀어본다.

이론

• Kaggle data (HuBMAP + HPA - Hacking the Human Body, SIIM-ACR Pneumothorax Segmentation, OSIC Pulmonary Fibrosis Progression)를 통한 의료현장에서 해야 하는 고민들 (성능을 올리기 위한 고민들, 실제 임상 현장에서의 unmet needs, 환자에게 도움이 되는 의료인공지능의 방향 등)을 살펴본다.

실습

• Kaggle data를 통한 의료현장에서의 고민을 살펴보고 이것들이 어떻게 실제 의료인공지능 연구 및 제품 개발에 연결되는지 실습해본다.